Πρόβλεψη μακροοικονομικών μεταβλητών με τη βοήθεια της καμπύλης αποδόσεων και μεθόδους μηχανικής μάθησης

Abstract

Several studies highlight the forecasting ability of the yield curve in terms of economic activity. These studies use the information provided by the slope of the yield curve i.e. pairs of short and long term interest rates, in an effort to forecast the business cycle. In this thesis we focus our analysis in forecasting deviations of real U.S. GDP and Eurocoin index from their long-run trend paying particular attention to the instances of an output gap (recession). In doing so, we are not limiting our empirical analysis to the slope of the yield curve and construct three alternative models: one that uses only pairs of interest rates as predictors of the business cycle, and two models where we try to exploit the curvature and not only the slope of the yield curve. In these latter setups we use combinations of three or more interest rates in an effort to trace the curvature of the yield curve. In these models we use three alternative forecasting methodologies. The commonly used in this line of literature probit model and the Support Vector Machines (SVM) and neural networks approach from the area of Machine Learning. The data referring to the economy of the U.S. are quarterly and cover the period from 1976Q3 to 2011Q4 and the data of the Eurozone cover the period from 2004:9-2014:10. Our results show that we can achieve a 95.65% out-of-sample forecasting accuracy for output gaps in the case of the SVM methodology.

Πληθώρα ερευνών υπογραμμίζουν την ικανότητα της καμπύλης αποδόσεων στην πρόβλεψη της μελλοντικής οικονομικής δραστηριότητας. Σε αυτές τις έρευνες χρησιμοποιείται η πληροφόρηση από την κλίση της π.χ. από συνδυασμούς ζευγών βραχυπρόθεσμων και μακροπρόθεσμων ομολόγων, σε μια προσπάθεια πρόβλεψης των οικονομικών κύκλων. Στην παρούσα διατριβή εστιάζουμε την ανάλυση μας στην πρόβλεψη των διακυμάνσεων του πραγματικού ΑΕΠ των Η.Π.Α. και του δείκτη Eurocoin της ευρωζώνης από την μακροπρόθεσμη τάση τους, δίνοντας ιδιαιτέρως προσοχή στην πρόβλεψη των περιπτώσεων των κενών παραγωγής (υφέσεων). Για να το επιτύχουμε αυτό δεν περιορίζουμε την ανάλυση μας στην κλίση της καμπύλης απόδοσης αλλά κατασκευάζουμε τρεις εναλλακτικές κατηγορίες υποδειγμάτων: μία κατηγορία στην οποία χρησιμοποιούνται συνδυασμοί επιτοκίων σε ζεύγη ως δείκτες πρόγνωσης των οικονομικών κύκλων και δύο κατηγορίες στις οποίες προσπαθούμε να αξιοποιήσουμε την καμπυλότητα της καμπύλης αποδόσεων και όχι μόνο την κλίση της. Σε αυτές τις κατηγορίες χρησιμοποιούμε συνδυασμούς των επιτοκίων σε τριάδες ή και περισσότερων από τρεις. Σε αυτά τα υποδείγματα χρησιμοποιούμε τρεις εναλλακτικές μεθοδολογίες. Το οικονομετρικό μοντέλο probit που χρησιμοποιείται εκτενώς στην συγκεκριμένη βιβλιογραφία και οι Μηχανές Διανυσμάτων Υποστήριξης όπως και τα Νευρωνικά δίκτυα από το χώρο της μηχανικής μάθησης. Τα δεδομένα για την οικονομία των Η.Π.Α. καλύπτουν την περίοδο 1976Q3 - 2013Q3 ενώ για την οικονομία της Ε.Ε. την περίοδο 2004:9-2014:10. Τα αποτελέσματα δείχνουν ότι χρησιμοποιώντας τις Μηχανές Διανυσμάτων Υποστήριξης μπορούμε να πετύχουμε μέχρι και 95,65% ακρίβεια πρόβλεψης.